开发者学堂课程【数据湖 JindoFS + OSS 实操干货36讲：指定表和分区来预先缓存，查询分析更高效】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/833/detail/13974
指定表和分区来预先缓存，查询分析更高效
内容介绍
一、背景介绍
二、功能介绍
三、实观原理
四、实操演示
一、背景介绍
1.1传统集群架构
存储计算一体
存储量与计算量无法始终匹配
存储无法水平扩展
计算节点 计算节点 计算节点
NodeManager NodeManager NodeManager
DataNode DataNode DataNode
为什么需要指定表和分区来预先缓存，首先讲一下传统的集群架构。
传统的大数据分析，通常采用存储、计算一体的方式，计算节点上既有存储服务，也有计算服务。
这种方式存储量和计算量没法做到始终匹配，比如扩充一台节点，就需要计算资源和存储资源一起。
然后第二点，它存储服务无法做到水平扩展，因为受到 HDFS 的单点限制，集群扩大到一定规模的时候就无法继续扩展，因为一般它都将原数据都保存在内存，单机的内存毕竟是有限的，现在我们通常建议采用的是存算分离的架构。
1.2存算分离架构
计算资源动态伸缩
海量的存储空间
稳定可靠的存储服务
计算节点剩余的磁盘、内存资源可以用于缓存加速
计算节点 计算节点 计算节点
NodeManager NodeManager NodeManager
缓存 缓存 缓存
OSS 对象存储
计算节点上只部署计算服务，部署存储服务存储，使用远端的OSS对象存储。
这种方式,有四个优点
第一点，是计算资源，可以动态的扩缩容释放节点，不会导致数据丢失。
第二，它具有海量的存储空间，OSS的存储空间非常大。
第三，OSS 的服务非常稳定可靠。
第四，点式计算节点，剩余的磁盘内存资源可以用于缓存加速，利用缓存加速，我们可以同时利用本地磁盘 OS 的贷款，提高计算速度。
这是 TBCDS 生成的一份标准输仓的数据，其中的围表，比如说是比较经常访问的，因此我们可以先缓存适时表，通常采用时间分区，对于接近最近几天的数据，也可以预先缓存有一些比较老的，比如说一两个月之前的数据，是比较冷的，这些数据只保存在 OSS 就可以了。
二、功能介绍
Jindo Namespace Service
Jindo Storage Service
Jindo SDK
JindoFS缓存服务的架构图，包含三个部分，Namespace服务保存文件的元数据和缓存原始信息的元数据。
Jindo SDK 是客户端，部署spark服务上。
Storage服务负责管理缓存块的数据，整个流程是计算服务，通过Jindo SDK访问数据,记录 SDK，从Namespacs服务查询缓存位置信息，然后向集群中的 storage 服务,读取出缓存数据，如果命中缓存直接返回，如果没有命中缓存，则从OSS读取数据，并且将缓存写入到 storage 服务供下次使用。
三、实观原理
部署缓存服务
1. 下载最新 Release 包 b2smartdata-x.x.x.tar.gz，解压并部署到集群所有节点上
2. 修改配置文件conf/bigboot.cfg
[bigboot-storage]
storage.rpc.port - 6101
storage.data-dirs =/mnt/disk1/bigboot,/mnt/disk2/bigboot,/mnt/disk3/bigboot,/mnt/disk4/bigboot
storage.data-dirs.capacities = 527371075584,527371075584,527371075584,527371075584
storage.namespace.rpc.address = emr-header-1:8101
storage.watermark.high.ratio-0.4 storage.watermark.low.ratio-0.2
[bigboot-namespace] namespace.rpc.port = 8101
namespace.meta-dir =/mnt/disk1/bigboot
3. 修改 sbin/nodes，配置所有storage service的节点列表
4. 启动所有服务./sbin/start-service.sh
详细文档可参考：https://github.com/aliyun/alibabacloud-jindofs/blob/master/docs/jindofs_cache_mode deploy.md
部署Jindo SDK
1. 安裝jar包：下载最新的jar包 jindofs-sdk-xx.xjar，在所有 Hadoop 节点安裝。
cp ./jindofs-sdk-*.jar/share/hadoop/hdfs/lib/jindofs-sdkjar
2. 配置 JindoFS 实现类：将 JindoFS 实现类配置到Hadoop的core-site.xml中。
3. 将 OSS 的 A ccess Key、Access Key Secret、Endpoint 等预先配置在 Hadoop 的core-site.xml中。
指定表和分区来预先缓存
-cache
•语法
jindo table -cache {-t}[-p] 【-pin]
•功能
表示缓存指定表或分区的数据至集群本地磁盘上。
表或分区的路径需要位于 OSS 或 JindoFS。指定表时使用 database.table 的格式；指定分区时使用 partitionCol1
=1,partitionCol2=2,...的格式；指定-pin 时，在缓存空间不足时尽量不删除相关数据。
•示例：缓存2020-03-16日db1.t1表的数据至本地磁盘上。
jindo table -cache -t db1.tl -p date=2020-03-16
-uncache
•语法
jindo table -uncache {-t}[-p]
•功能
表示删除集群本地磁盘上指定表或分区的缓存数据。
对应的路径需要位于 OSS 或 JindoFS。指定表时使用 database.table 的格式，指定分区时使用 partitioncol1=1,
partitionCol2=2,...的格式。
相关资源
JindoFS SDK https://github.com/aliyun/alibabacloud- jindofs/blob/master/docs/indofs _sdk download.md
JindoFS 缓存服务 https://github.com/aliyun/alibabacloud- jindofs/blob/master/docs/indofs cache mode deploy.md
四、实操演示
下载最新版本的 SDK 和s martdate
程序安装好后进行配置部署
然后准备测试数据
Overview
Start Time: Sun Jun 27 23:06:53 2021
Status: Active
Meta Backend: RocksDB (Standalone) emr-header-1.cluster-234515:8101 [192.168.0.30](Active)
Node: Live Nodes:[3], Decommission Nodes:[0]
Version: 3.6.0
Build No: 1d2d462e9844d63d587127504ece7c87b58ad/42
Namespace Info (3)
Namespace: ifs:/ftest/
Namespaces: test
Mode: BLOCK_MODE
Backend URI: oss://chengli-sh-test/uyue/C-DBD8BBF30589E5BE
Summary: Directory Count:[1], File Count: [0], File Size:[0], Task Count:[0], Computed at 2021-06-27 23:07:01
Storage Overview
Node: emr-worker-2.cluster-234515:6101
Start Time: Sun Jun 27 23:06:53 2021
Status: online
Version: 3.6.0
Build Version: 1d2d462e9844d63d587f27504ece7c87b58adf42
Storage Lists (1)
Volume Storage Type Used/Capacity Last Eviction Time Diskid
/mnt/disk1/bigboot Disk oBRp3.57 GB
1